高光谱数据的提取及预处理常用方法介绍
发布时间:2024-10-25
浏览次数:538
高光谱成像仪器在采集样品信息时,会获取到大量的光谱信息,这些光谱信息包含很多无用的信息,因此,就需要对光谱数据进行提取,提取感兴趣的区域,然后进行预处理,建立样品的预测模型。本文对高光谱数据的提取及预处理方法做了介绍。
高光谱成像仪器在采集样品信息时,会获取到大量的光谱信息,这些光谱信息包含很多无用的信息,因此,就需要对光谱数据进行提取,提取感兴趣的区域,然后进行预处理,建立样品的预测模型。本文对高光谱数据的提取及预处理方法做了介绍。
高光谱数据的提取及预处理方法:
高光谱数据包含大量的信息,易受到环境中噪声、基线漂移、杂散光等因素的影响,在建模之前对光谱数据进行预处理可改善以上影响、提高模型的准确率。常用的高光谱数据提取及预处理方法有:一阶导数(First Derivative,FD)、二阶导数(Second Derivative,SD)、S-G平滑(Savitzky-Golay平滑)、标准正态变换(Standard Normalized Variate,SNV)、多元散射校正(Multiplicative Scatter Correction,MSC)、FD+S-G、SD+S-G7种预处理方法对高光谱数据进行预处理。FD和SD可对光谱数据进行基线校正,提高光谱数据的稳定性;S-G平滑对光谱曲线进行平滑处理,减少外界环境产生的噪声影响,提高信噪比;MSC和SNV可对光谱数据进行散射校正,消除由于颗粒分布不均匀产生散射造成的光谱曲线变形。
高光谱数据特征波长筛选方法:
高光谱波段范围较广,数据量大,容易造成光谱数据冗余,导致数据分析和模型建立耗时费力。因而需要对光谱数据进行特征提取,剔除无效变量,以提高光谱数据分析与建模效率。常用的高光谱特征波长筛选方法有:连续投影算法(successive projections algorithm,SPA)、竞争性自适应重加权算法(competitive adapative reweighted sampling,CARS)2种不同方法提取特征波段。SPA是一种前向迭代搜索方法,从一个波长开始,在每次迭代中加入一个新变量,直至所选变量数达到设定值。CARS的主导思想是达尔文的“适者生存”理论,结合蒙特卡洛采样与PLS模型回归系数进行特征变量筛选。
相关产品
-
赛斯拜克:手机曲面屏幕玻璃凹凸点检测方案
手机曲面屏盖板玻璃的生产需历经开料、CNC、研磨抛光、清洗、热弯、抛光、钢化、UV 转印、PVD、印刷、贴合等复杂工艺流程。由于流程繁琐且对加工精度要求极高,任..
-
赛斯拜克3D 检测方案:为手机折叠屏质量保驾护航
在消费电子行业蓬勃发展的当下,折叠屏手机以其独特的设计和多样的使用方式,成为了市场的新宠。自折叠屏手机首次亮相以来,众多手机品牌纷纷涌入这一领域,折叠屏手机的市..
-
高光谱成像技术精准测试防火材料阻燃隔热性能
火灾频发,防火材料至关重要 近年来,火灾频发,给人们的生命财产安全带来了巨大威胁。从居民楼火灾到森林大火,每一次火灾事故都令人痛心疾首。据相关统计,仅在过去一..
-
高光谱成像技术对鲜莲直链淀粉含量检测实验室研究
高光谱成像技术是一种能获取丰富光谱和图像信息的无损检测技术,相较于化学检测方法,具有省时、省力、环境友好的优点口。本文将采用高光谱成像技术对鲜莲直链淀粉进行实验..